Style Alchemy
Zet een map met artikelen om in een geteld, met citaten onderbouwd schrijfstijlprofiel
Getest · Werkt
Wat het doet
Analyseert een map met artikelvoorbeelden en produceert twee artefacten: een diepgaand stijlrapport en een machineleesbaar style_profile.yaml dat titels, openingen, ritme, taal en eindes behandelt, waarbij elke bewering is gekoppeld aan een letterlijk citaat uit de voorbeelden. Activeert wanneer u de schrijfstijl van een auteur of publicatie wilt bestuderen, twee accounts wilt vergelijken, of een 'write like X'-skill wilt genereren vanuit het profiel. Levert een zero-dependency Python normalizer voor md, txt en html bronnen.
Testrapport
Gericht op 12 echte blogposts: de begeleide pass kwam terug met meer dan 20 getelde statistieken (gemiddelde zin 18.9 woorden, 16% van de zinnen onder negen woorden, 381 numerieke tokens, eindes verdeeld 6/3/3 over catalogus CTA, FAQ en caveat sluitingen) en acht letterlijke citaten, die allemaal door grep werden bevestigd in het corpus, tegen een no-skill samenvatting met nul getallen en nul citaten. De gebundelde normalizer draaide schoon op 12/12 bestanden, maar verwijdert bestaande YAML frontmatter en leidt vervolgens de titel af van de eerste body-regel, dus posts die al een titelveld bevatten, komen verkeerd getiteld uit — sla die stap over wanneer uw samples al genormaliseerd zijn. Het eigen installatiecommando van de README (cd ~/.claude/skills vóór de kloon) faalt op een machine die nog geen ~/.claude heeft; voeg eerst mkdir -p toe. Skill body en de standaarduitvoer zijn Chinees.
Getest op: 2026-07-29 · Claude Code 2.x (agent harness)
Installatie
git clone https://github.com/snowmays/style-alchemy.git mkdir -p ~/.claude/skills cp -r style-alchemy ~/.claude/skills/style-alchemy
Commando's en voorbeeldprompts
/style-alchemyZet een map met artikelen om in een geteld, met citaten onderbouwd schrijfstijlprofiel
Skills reageren op gewone verzoeken — geen commando's om te onthouden. Na installatie activeren prompts zoals deze de skill (in het Engels):
帮我分析这十二篇公众号文章的写作风格，生成一份带有原文引用和具体统计数据支撑的深度风格报告能不能根据这个作者过去发布的这些文章样本，训练出一个可以模仿他写作风格来写新文章的技能出来对比一下这两个公众号账号的文风差异到底在哪里，需要有具体的原文例子和数字统计作为支撑证据